克雷西 一水 发自 凹非寺
量子位 | 公众号 QbitAI
OpenAI“双十二”第一天，直接抛出重磅炸弹——
最强推理模型o1，正式上线满血版，还有更强的Pro版本一同登台。
ChatGPT也推出了Pro订阅计划，一个月两百美金，直接成为了“世界最贵的大模型”。
CEO奥特曼与三名员工围坐桌前，一边演示一边介绍着新产品的特性。
整个发布会仅持续不到15分钟，但包含了巨大的信息量：
相比preview版本，满血o1的数学和代码能力均大幅提升，Pro版则是再上一层楼。
满血版推理速度更快，比preview快了60%。
网友们期待的多模态推理，满血版o1也安排上了。
如奥特曼所说，满血版已经正式上线ChatGPT，作为预览的preview版从用户界面中消失了。
至于更强的o1 Pro则是ChatGPT Pro订阅用户的特权，除此之外，这些用户还可以获得o1满血版的不限量访问权限。
o1已支持多模态推理
接下来到了演示环节。
一开始，团队就拿满血版o1（左边）和o1-preview（右边）来了场竞速。
他们问了一个历史问题，回答过程be like：
列出二世纪的罗马皇帝，包括他们的统治时期和成就。
可以看出，满血版o1（14秒）早于o1-preview（33秒）完成了作答。再加上团队成员几次类似的离线测试，最终得出结论：
满血版o1的平均响应速度比o1-preview快了60%。
值得注意的是，通过一整套人类评估，OpenAI还发现满血版o1在推理时犯重大错误的频率比o1-preview少了34%。
而满血o1的另一大亮点就是支持多模态输入，具备视觉推理能力，团队也进行了现场展示。
只见他们拿出了一张画着数据中心草图的A4纸，拍照上传后，原始提示词翻译后如下：
这里展示了一个高度简化的太空数据中心示意图。对于任何简化的假设，请提供理由。
你的任务是估算这个托管GPU的数据中心所需的散热器表面积的下限。在此过程中，还需要回答以下问题：
你如何处理太阳和深空？
热力学第一定律如何发挥作用？
这边团队成员们还在闲聊，10秒过后，模型就开始唰唰唰给答案了……
有意思的是，团队还特意给o1模型挖了个坑——故意省略了其中一个参数，以此来测试模型面对模糊问题的处理能力。
在团队看来，模型能够意识到这是一个重要但被忽略的参数，也是推理能力的体现。
惊喜的是，满血版o1不仅选择了正确的参数范围，还通过进一步的细致论证最终找出了准确参数。
（如模型所回答，正确答案是242）
最后，团队也展示了“大会员”专用的Pro版的表现。
既然是Pro，那测试的问题当然也要上上难度。
团队成员指出，一些高难度的生化问题，以往o1-preview都搞不定，这下让Pro mode来试试。
比如下面这道o1-preview曾“束手无策”的“猜蛋白质”问题：
哪个蛋白质严格符合以下标准？
前体多肽的长度为210到230个氨基酸残基。
编码该蛋白质的基因跨越32k碱基。
该基因位于X染色体上，特别是在Xp22区域。
信号肽包含23个氨基酸残基。
该蛋白质促进细胞间的粘附。
该蛋白质在维持神经系统特定部分的健康中发挥关键作用。
只见提问后，Pro mode出现了一个“思考进度条”，大约53秒后模型给出了答案。
进一步点击回答最上面的小框框，就可以在侧边栏展开推理细节，里面详细记录了模型的思考步骤。
毕竟按照OpenAI的说法，o1（包括之前的preview版）在博士级科学问答上的表现是超过人类专家的。
不过有一说一，Pro版200美元一个月的价格也是让网友们挺震惊的。
至于到底值不值这个价格，可能要等先试水的用户用上一段时间之后的反馈了。
对了，团队这次也提到，后面将以API的形式为大家提供o1模型的一些功能，包括结构化输出、函数调用、图像API等。
BTW，活动结束前，奥特曼特意cue思维链作者讲了一个笑话。
圣诞老人想用大语言模型来解决数学问题，结果任何提示词都不管用，你知道最后是怎么成功的吗？
reindeer forcement(驯鹿强制，暗指强化学习reinforcement）
好冷……
模型更强，也更加安全了
o1满血版发布的同时，技术报告也在OpenAI官网上线。
这份报告当中，Ilya的名字依然位列基础贡献者（Foundational Contributor）之中。
在宣传页面当中，OpenAI公开展示了o1在数学、代码和博士级科学问答三类任务上的成绩。
在此基础之上，OpenAI还进行了更加严苛的测试，每个问题会询问四次，模型必须四次全答对才能得分。
除此之外，技术报告还展示了o1的多语言能力。
在包括中文在内的14种语言的MMLU测试中，o1的表现相比preview版均有程度不等的增强。
这里插播一句，面对这种带陷阱的弱智吧问题，满血版o1依然是被成功蒙骗（手动狗头）。
不过这份报告更多围绕着安全性展开讨论，内部及红队测试结果表明，整体上满血版o1在安全性与o1-preview接近。
如果和GPT-4o比，o1对有害内容的检测和拒绝能力也更强，并且在越狱测试中展现出更强的鲁棒性。
在现实风险上，OpenAI和红队针对网络安全、生化和核威胁等情景对o1进行了测试，结果同样与o1-preview接近。
另外，OpenAI对o1和o1-preview的思维链推理过程进行了欺骗性分析，通过让模型解释其行为背后的思考，了解模型是否有隐瞒信息、操纵数据的倾向。
结果，o1-preview在26%的案例中会故意隐瞒信息操纵数据，而o1的比例降到了19%。
Two More Things
在发布会开始之前，就已经有网友从ChatGPT的JS代码中发现了Pro版的蛛丝马迹。
其中，200美元的价格以及o1 pro模式，还有对满血o1的不限量访问，都和这次发布对得上。
另外，从这份JS代码中还能看到，在Team版本的相关位置，还出现了“GPT-4.5”。
再顺便提一句，有网友让马斯克的Grok结合X上的推文预测了一下OpenAI都会发布些什么，其中第二条成功命中了此次发布的满血o1。
不知道接下来的11个发布日中，GPT-4.5是否会“如约而至”，Grok又能猜对多少个产品呢？
参考链接：
[1]https://openai.com/index/introducing-chatgpt-pro/
[2]https://x.com/theredwall__/status/1864677161535156358?s=46
[3]https://x.com/btibor91/status/1864709670470066605
技术报告：
https://cdn.openai.com/o1-system-card-20241205.pdf
— 完 —
MEET2025大会在即
倒计时一周 ⏰ 欢迎报名
🌟 一年一度的科技顶流盛会就要来了！
☄️ 两场GenAI Talk，一场具身智能圆桌，直至时下热门议题！工业界学术界顶流大咖齐聚，还有两份关键参考「年度AI趋势报告」、「2024人工智能年度评选」榜单即将发布！了解详情
🚀 点击报名参会，12月11日，期待与您一起预见智能科技新未来！
左右滑动查看最新嘉宾阵容
点这里👇关注我，记得标星哦～
扫一扫
519
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
